本发明公开了一种基于目标动态训练的深度神经网络人脸表情识别方法。所述方法包括以下步骤：输入训练样本集和测试样本集；采用多个损失函数作为训练的目标函数；将损失函数排序；根据排序后的损失函数依次在训练样本集上重复训练深度神经网络,获得表情识别模型；根据表情识别模型对输入的测试样本进行表情分类。本发明让模型在初期能尽快拟合训练数据,在后期通过多个损失的动态权重变化拉大不同类别的特征空间距离以达到更好的泛化性能。本发明能够有效地提升神经网络在多个人脸表情识别数据集上的准确率。
科研之友
微信
新浪微博
Facebook
分享链接
